論文の概要: Deep Learning-Driven Black-Box Doherty Power Amplifier with Pixelated Output Combiner and Extended Efficiency Range
- arxiv url: http://arxiv.org/abs/2603.16565v1
- Date: Tue, 17 Mar 2026 14:23:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-18 17:42:07.328389
- Title: Deep Learning-Driven Black-Box Doherty Power Amplifier with Pixelated Output Combiner and Extended Efficiency Range
- Title（参考訳）: 画素出力コンバインダと拡張効率範囲を有する深層学習駆動型ブラックボックスドハーティパワーアンプ
- Authors: Han Zhou, Haojie Chang, David Widen,
- Abstract要約: 本稿では,マルチポート画素出力コンバインダネットワークを用いたDohertyパワーアンプ(PA)のディープラーニング駆動逆設計手法を提案する。
深部畳み込みニューラルネットワーク(CNN)を開発し、電磁的(EM)代理モデルとして訓練する。
完全対称デバイスを用いて拡張されたバックオフ効率範囲を可能にする複雑なDohertyコンバインダを合成する。
- 参考スコア（独自算出の注目度）: 10.090846922590462
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This article presents a deep learning-driven inverse design methodology for Doherty power amplifiers (PA) with multi-port pixelated output combiner networks. A deep convolutional neural network (CNN) is developed and trained as an electromagnetic (EM) surrogate model to accurately and rapidly predict the S-parameters of pixelated passive networks. By leveraging the CNN-based surrogate model within a blackbox Doherty framework and a genetic algorithm (GA)-based optimizer, we effectively synthesize complex Doherty combiners that enable an extended back-off efficiency range using fully symmetrical devices. As a proof of concept, we designed and fabricated two Doherty PA prototypes incorporating three-port pixelated combiners, implemented with GaN HEMT transistors. In measurements, both prototypes demonstrate a maximum drain efficiency exceeding 74% and deliver an output power surpassing 44.1 dBm at 2.75 GHz. Furthermore, a measured drain efficiency above 52% is maintained at the 9-dB back-off power level for both prototypes at the same frequency. To evaluate linearity and efficiency under realistic signal conditions, both prototypes are tested using a 20-MHz 5G new radio (NR)-like waveform exhibiting a peak-to-average power ratio (PAPR) of 9.0 dB. After applying digital predistortion (DPD), each design achieves an average power added efficiency (PAE) above 51%, while maintaining an adjacent channel leakage ratio (ACLR) better than -60.8 dBc.
- Abstract（参考訳）: 本稿では,マルチポート画素出力コンバインダネットワークを用いたDohertyパワーアンプ(PA)のディープラーニング駆動逆設計手法を提案する。
深部畳み込みニューラルネットワーク(Deep Convolutional Neural Network, CNN)は、電磁的(EM)代理モデルとして開発、訓練され、ピクセル化された受動ネットワークのSパラメータを正確かつ迅速に予測する。
ブラックボックス・ドハーティ・フレームワークと遺伝的アルゴリズム(GA)ベースのオプティマイザ内でのCNNベースのサロゲートモデルを活用することにより、完全対称デバイスを用いたバックオフ効率範囲の拡張を可能にする複雑なドハーティ・コンバインダーを効果的に合成する。
概念実証として,GaN HEMTトランジスタで実装した3ポートコンバインダを用いた2台のDoherty PAプロトタイプを設計・製造した。
両試作機とも最大ドレイン効率は74%を超え、出力電力は2.75GHzで44.1dBmを超える。
さらに, 両試作機の9dBバックオフ電力レベルにおいて, 52%以上のドレイン効率を同時に維持する。
現実的な信号条件下での線形性と効率を評価するため、両試作機は、平均出力比9.0dBの20MHzの新電波(NR)風の波形を用いて試験を行った。
ディジタルプリデフォルション(DPD)を適用した後、各設計は平均電力付加効率(PAE)を51%以上達成し、隣接するチャネルリーク比(ACLR)は60.8dBc以上維持する。
関連論文リスト
- IIET: Efficient Numerical Transformer via Implicit Iterative Euler Method [59.02943805284446]
Iterative Implicit Euler Transformer (IIET)
IIADにより、ユーザはパフォーマンス効率のトレードオフを効果的にバランスできる。
E-IIETの変種は、バニラトランスフォーマーよりも平均的なパフォーマンスが1.6%以上向上した。
論文 参考訳（メタデータ） (2025-09-26T15:14:03Z) - OpenDPDv2: A Unified Learning and Optimization Framework for Neural Network Digital Predistortion [10.484441707788127]
本稿では,PAモデリング,PD学習,モデル最適化のための統合フレームワークであるOpenDPDv2を提案する。
最適化手法は、2つのエネルギー効率の良い手法と共に、新しいDPDアルゴリズムであるTRes-DeltaGRUを特徴としている。
論文 参考訳（メタデータ） (2025-07-09T13:54:47Z) - DPD-NeuralEngine: A 22-nm 6.6-TOPS/W/mm$^2$ Recurrent Neural Network Accelerator for Wideband Power Amplifier Digital Pre-Distortion [9.404504586344107]
DPD-NeuralEngine は Gated Recurrent Unit (GRU) Neural Network (NN) に基づく超高速、小型、電力効率の DPD 加速器である。
22nmのCMOS実装は2GHzで動作し、最大250MSpsのI/Q信号を処理できる。
我々の知る限り、この研究はAIベースのDPDアプリケーション固有集積回路(ASIC)アクセラレーターとしては初めてのものである。
論文 参考訳（メタデータ） (2024-10-15T16:39:50Z) - MP-DPD: Low-Complexity Mixed-Precision Neural Networks for Energy-Efficient Digital Predistortion of Wideband Power Amplifiers [8.58564278168083]
Digital Pre-Distortion (DPD) は広帯域RFパワー増幅器(PA)の信号品質を向上させる
本稿では,エネルギー効率の DPD に対して,量子化された低精度固定点パラメータを用いたオープンソースの混合精度(MP)ニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2024-04-18T21:04:39Z) - Function Approximation for Reinforcement Learning Controller for Energy from Spread Waves [69.9104427437916]
マルチジェネレータ・ウェーブ・エナジー・コンバータ(WEC)は、スプレッド・ウェーブと呼ばれる異なる方向から来る複数の同時波を処理しなければならない。
これらの複雑な装置は、エネルギー捕獲効率、維持を制限する構造的ストレスの低減、高波に対する積極的な保護という複数の目的を持つコントローラを必要とする。
本稿では,システム力学のシーケンシャルな性質をモデル化する上で,ポリシーと批判ネットワークの異なる機能近似について検討する。
論文 参考訳（メタデータ） (2024-04-17T02:04:10Z) - Broadband parametric amplification in DARTWARS [64.98268713737]
トラベリングウェーブパラメトリック増幅器(TWPA)は、マルチギガヘルツ増幅帯域のため、実用用途に特に適している可能性がある。
DARTWARSプロジェクトは、増幅の20ドルdBを達成できるKITWPAの開発を目指している。
測定の結果、KITWPAの長さ17,$mmの帯域幅で約9,dBの増幅が得られた。
論文 参考訳（メタデータ） (2024-02-19T10:57:37Z) - Josephson parametric amplifier with Chebyshev gain profile and high
saturation [0.0]
本稿では,3階Chebyshevプロトタイプに基づく帯域通過インピーダンスマッチングネットワークを用いたジョセフソンパラメトリック増幅器の設計を実証する。
我々は、8つの増幅器を4.6GHzで動作させ、1dB未満の利得と最大500MHzの帯域幅を持つ20dBの利得を示す。
我々は,Sycamoreプロセッサを用いて,飽和付近のシステム読み出し効率と信号-雑音比を特徴付ける。
論文 参考訳（メタデータ） (2023-05-28T22:04:08Z) - Readout of a quantum processor with high dynamic range Josephson
parametric amplifiers [132.67289832617647]
デバイスは、帯域幅250-300MHzの50ドルOmega$環境と一致し、入力飽和電力は最大で-95dBm、20dBゲインとなる。
54キュービットのSycamoreプロセッサがこれらのデバイスをベンチマークするために使用された。
設計は、システムノイズ、読み出しフィデリティ、およびクビットのデフォーカスに悪影響を及ぼさない。
論文 参考訳（メタデータ） (2022-09-16T07:34:05Z) - Topological Josephson parametric amplifier array: A proposal for directional, broadband, and low-noise amplification [39.58317527488534]
低ノイズマイクロ波増幅器は、量子技術や電波天文学などの分野で弱い信号を検出するために不可欠である。
サイトが少ないコンパクトデバイスは、数百MHzからGHzの範囲で20dB以上のゲインを達成できることを示す。
また、このデバイスは量子ノイズ限界付近で動作し、最大15%の加工障害に対するトポロジ的保護を提供する。
論文 参考訳（メタデータ） (2022-07-27T18:07:20Z) - End-to-End Multi-speaker Speech Recognition with Transformer [88.22355110349933]
音声認識モデルにおけるRNNベースのエンコーダデコーダをトランスフォーマーアーキテクチャに置き換える。
また、計算量を削減するために、シーケンス全体ではなくセグメントに制限されるセルフアテンションコンポーネントを変更します。
論文 参考訳（メタデータ） (2020-02-10T16:29:26Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。